TensorFlow手写数字识别代码运行报错：numpy.AxisError问题求助

这是之前MNIST神经网络相关提问的跟进内容，基于TensorFlow预编写了MNIST数据集的神经网络，调整后包含main.py和screen.py两个文件：

main.py代码 #

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

mnist=tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train=tf.keras.utils.normalize(x_train, axis=1)
x_test=tf.keras.utils.normalize(x_test, axis=1)

model=tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=3)

val_loss, val_acc = model.evaluate(x_test, y_test)
print(val_loss, val_acc)

model.save("num_reader.model")
new_model=tf.keras.models.load_model('num_reader.model')
predictions=new_model.predict([x_test])
print(predictions)

screen.py代码 #

import tensorflow as tf
import pygame
import sys
import numpy as np
from main import *
import main as nn

class Screen:
    def __init__(self):
        pygame.init()
        #self.screen=pygame.display.set_mode((28,28),pygame.FULLSCREEN)
        self.screen=pygame.display.set_mode((280,280))
        self.array=[]
        self.setArr()
        self.bg_color=(250, 250,250)
        self.ok=False
        self.full=[]
        self.done=False
        print(new_model)
        self.result=0

    def runGame(self):
        self.screen.fill(self.bg_color)
        while True:
            pygame.display.flip()
            self._check_events()
            self.draw()
            if self.full != []:
                break

    def _check_events(self):
        for event in pygame.event.get():
            if event.type==pygame.QUIT:
                sys.exit()
            if event.type==pygame.KEYDOWN:
                if event.key==pygame.K_ESCAPE:
                    sys.exit()
                if event.key==pygame.K_d:
                    self.done=True
                    self.decode()
                    print(len(self.full))
                if event.key==pygame.K_c:
                    self.done=False
                    self.setArr()
                    self.screen.fill(self.bg_color)
            if event.type==pygame.MOUSEBUTTONDOWN:
                #print("mouseDown")
                self.ok=True
            elif event.type==pygame.MOUSEBUTTONUP:
                self.ok=False

    def setArr(self):
        self.shortArr=[]
        for y in range(28):
            self.shortArr.append(0)
        for x in range(28):
            self.array.append(self.shortArr)

    def draw(self):
        if self.ok==True:
            x,y=pygame.mouse.get_pos()
            x=round(x/10)*10
            y=round(y/10)*10

            #print(x,y)
            #print(self.array[int(x)//10][int(y)//10])
            self.array[int(x)//10][int(y)//10]=1

            pygame.draw.rect(self.screen, (0,0,0), pygame.Rect(x, y, 10, 10))
            #print("draw")

    def decode(self):
        self.full=[]
        for x in range(28):
            for y in range(28):
                self.full.append(self.array[x][y])

if __name__ == '__main__':
    Sc=Screen()
    Sc.runGame()
    result = nn.new_model.predict(tf.keras.utils.normalize(np.array(Sc.full), axis=1))
    print(result)

运行代码时出现以下错误：

Traceback (most recent call last):
  File "C:\Users\user\Documents\Jake\machine learning\MNIST dataset SOLVED\screen.py", line 81, in <module>
    result = nn.new_model.predict(tf.keras.utils.normalize(np.array(Sc.full), axis=1))
  File "C:\Users\user\AppData\Local\Programs\Python\Python310\lib\site-packages\keras\utils\np_utils.py", line 89, in normalize
    l2 = np.atleast_1d(np.linalg.norm(x, order, axis))
  File "<__array_function__ internals>", line 180, in norm
  File "C:\Users\user\AppData\Local\Programs\Python\Python310\lib\site-packages\numpy\linalg\linalg.py", line 2547, in norm
    return sqrt(add.reduce(s, axis=axis, keepdims=keepdims))
numpy.AxisError: axis 1 is out of bounds for array of dimension 1

问题原因与解决方案 #

问题根源 #

1. 维度不匹配：Sc.full是一维数组（长度784），但tf.keras.utils.normalize指定axis=1时，要求输入至少为二维数组。训练时的x_train是(60000,28,28)的三维数组，归一化时axis=1针对每个样本的行维度操作，一维输入无法满足该要求，因此报错。
2. 模型输入格式不符：模型接受的输入是批量样本，每个样本为28x28的二维数组，当前传入的是一维784元素数组，且缺少批量维度（即使单样本也需添加维度变为(1,28,28)）。
3. 数组初始化bug：setArr方法中所有行引用了同一个shortArr列表，导致修改某一行元素时所有行对应位置都会同步变化。

修改步骤 #

1. 修正输入格式（修改screen.py主函数部分）

if __name__ == '__main__':
    Sc=Screen()
    Sc.runGame()
    # 将一维数组转为28x28的二维图像格式
    input_img = np.array(Sc.full).reshape(28, 28)
    # 添加批量维度，转为(1,28,28)，匹配模型输入要求
    input_img = np.expand_dims(input_img, axis=0)
    # 归一化，axis=1与训练时逻辑一致
    normalized_input = tf.keras.utils.normalize(input_img, axis=1)
    # 执行预测
    result = nn.new_model.predict(normalized_input)
    # 输出预测的数字
    print("预测结果：", np.argmax(result))

2. 修正数组初始化bug（修改setArr方法）

def setArr(self):
    self.array=[]
    for x in range(28):
        # 每次循环创建新列表，避免所有行引用同一对象
        self.shortArr=[]
        for y in range(28):
            self.shortArr.append(0)
        self.array.append(self.shortArr)

说明 #

• reshape(28,28)：将一维的784元素数组还原为MNIST标准的28x28图像尺寸。
• expand_dims(input_img, axis=0)：为单样本添加批量维度，模型默认接受批量输入（形状为(batch_size, 28, 28)）。
• 修正后的setArr方法：每次循环创建新列表，保证每行独立，避免绘图时所有行同步变化的问题。

内容的提问来源于stack exchange，提问作者jake is the coolest